조만간 모든 차량이 자동 운전 차가 될 수 없는 상황에서 자동 운전 차와 일반 차량이 혼재할 때, 군중 주행을 통해서 교차점 운영 효율을 어떻게 극대화될지에 관심이 쏠리고 있다.금호에서는 지난해 발표된 도심에서의 자동 운전 차의 활용 방안에 관한 논문을 소개하겠어.들어가면서 자동 운전 연구가 부쩍 늘고 있는 가운데 2022년 발표된 도심에서의 자동 운전 차 활용 방안에 관한 논문을 소개하겠어.잘 알다시피 최근 자동 운전에 관한 연구가 쏟아지고 있다.자동 운전 차와 전기 자동차의 축적된 데이터(예:Wejo data)을 활용한 연구도 활발하다.빅 데이터는 장점과 단점이 있다.물론 통계적인 합의점을 찾기 위해서 대용량의 자료가 필요한 것은 당연하겠지만, 연구 테마에 맞는 모든 변수를 찾기 어렵다.그 때문에 빅 데이터를 활용하여 의미 있는 연구를 수행할 가끔 장벽에 부딪치는 경우가 많다.본 글에서 소개하려는 논문은 차량 간 통신(V2X)정보를 통해서 해당 차량의 운행 경위뿐 아니라 전 차량이나 이후 차량과의 상호 작용 정보가 있는 네덜란드의 Field Operation Test(FOT)자료를 사용했다.연구의 핵심은 도시의 주요 도로에서 차량 간 통신과 차량 제어를 활용한 협력적인 군집 주행을 통한 도심부 자동 운전 차 연구이다.조만간 모든 차량이 자동 운전 차가 되기는 어렵다.이 논문에서는 자동 운전 차량과 일반 차량이 혼재하는 상황에서 코넥텟도 자동 운전 차량(Connected and autonomous vehicles, CAVs)사이에 1개 이상의 통신 장비가 아닌 일반 운전자가 운전하는 차량(UHV)이 포함되어 있는 상황을 가정하고 있다.이런 차량의 군중이 교차로에 접근할 때 선두 차량은 통신이 가능한 교차점에서 신호 시스템(SPaT)의 메시지를 활용하고 이동 시간과 에너지 효율성을 최적화하는 경로를 선택하게 된다.모든 군중의 첫 차량은 군중의 선두 차량으로 군중의 끝에 있는 차량은 선두 차량에서 받은 기본 안전 메시지(BSM)를 통하여 안전성, 운전 편의성, 에너지 소비를 더 최적화하는 것을 가정했다.개발 알고리즘 소개 서론에서 설명한 상황은<그림 1>에서 간단하게 알 수 있다.가장 왼쪽과 오른쪽의 자동차가 통신 및 제어 장비를 갖춘 자동 운전 차이다.한편 가운데 자동차는 일반 차량에서 통신 장비 없이 운전자가 직접 차량을 제어한다.군중의 선두를 달려자동 운전 차는 V2I통신을 통해서 교차점 제어 시스템에서 최적화된 차량 궤적을 부여 받고 V2V통신을 통해서 군중 마지막에 있는 자동 운전 차에 최적화된 운행 궤적을 전달할 수 있다.
조만간 모든 차량이 자율주행차가 될 수 없는 상황에서 자율주행차와 일반 차량이 혼재할 때 군집주행을 통해 교차로 운용 효율을 어떻게 극대화할지 관심이 쏠린다. 이번 호에서는 지난해 발표된 도심지 자율주행차 활용 방안에 대한 논문을 소개하고자 한다. 들어오면서 자율주행 연구가 눈에 띄게 늘고 있는 가운데 2022년 발표된 도심지 자율주행차 활용 방안에 대한 논문을 소개하고자 한다. 잘 알다시피 최근 자율주행에 관한 연구가 쏟아지고 있다. 자율주행차와 전기차의 축적된 데이터(예: Wejo Data)를 활용한 연구도 활발하다. 빅데이터는 장단점이 있다. 물론 통계적 합의점을 찾기 위해 대용량 자료가 필요한 것은 당연하지만 연구 주제에 맞는 모든 변수를 찾기는 어렵다. 때문에 빅데이터를 활용해 의미 있는 연구를 진행하는 것이 가끔 장벽에 부딪힐 때가 많다. 본 기고에서 소개하고자 하는 논문은 차량간 통신(V2X) 정보를 통해 해당 차량의 운행 경위뿐만 아니라 앞 차량 또는 뒷 차량과의 상호작용 정보가 있는 네덜란드 Field Operation Test(FOT) 자료를 사용했다. 연구의 핵심은 도시 주요 도로에서 차량 간 통신과 차량 제어를 활용한 협력적 군집주행을 통한 도심 자율주행차 연구다. 가까운 미래에 모든 차가 자율주행차가 될 수는 없다. 본 논문에서는 자율주행차량과 일반차량이 혼재된 상황에서 커넥티드 자율주행차량(Connected and autonomous vehicles, CAVs) 사이에 하나 이상의 통신장비가 없고 일반운전자가 운전하는 차량(UHV)이 포함된 상황을 가정한다. 이러한 차량 군집이 교차로 접근할 때 선두 차량은 통신이 가능한 교차로에서 신호시스템(SPaT) 메시지를 활용해 이동 시간과 에너지 효율성을 최적화하는 경로를 선택하게 된다. 모든 군집의 첫 번째 차량은 군집의 선두 차량이 되고 군집의 끝에 있는 차량은 선두 차량으로부터 받은 기본 안전 메시지(BSM)를 통해 안전성, 운전 편의성, 에너지 소비를 더욱 최적화할 것을 가정했다. 개발 알고리즘 소개 서론에서 설명한 상황은 <그림 1>에서 간단히 이해할 수 있다.맨 왼쪽과 오른쪽 자동차가 통신 및 제어장비를 갖춘 자율주행차다. 반면 가운데 자동차는 일반 차량으로 통신장비가 없어 운전자가 직접 차량을 제어한다. 군집의 선두가 되는 자율주행차는 V2I 통신을 통해 교차로 제어 시스템으로부터 최적화된 차량 궤적을 부여받고, V2V 통신을 통해 군집 마지막에 있는 자율주행차에 최적화된 운행 궤적을 전달할 수 있다.
<수식 3>에서 목적함수는 연료효율에 직결된 가속도를 최소화하고 있으며, <수식 2>의 제약식으로 최저/최고속도 및 가속도를 제한하고 있다. <그림 3>에서 OCA를 통해 개선된 차량 궤적을 볼 수 있다. 위의 두 그림은 OCA를 적용하지 않은 사례이고, 아래의 두 그림은 OCA를 적용한 사례이다. 신호의 상태에 따라 다른 차량 궤적이 연료 효율을 극대화하기 위해 신호에 맞춰 최적화된 상태에서 교차로에 도달함을 알 수 있다.
인기글
<그림 3> OCA에 의한 차량 속도의 변화
뒤쪽 차량을 위한 제어 알고리즘의 선두 차량에서 얻는 정보를 통해서 군중의 뒤에 있는 자동 운전 차량의 궤적을 제어할 수 있는 알고리즘을 개발했다.이 연구에서 개발한 알고리즘은 2개로 Linear-CACCu와 A-MPC-CACCu이다.Linear-CACCu는 기존의 ACC제어 방식에서 비례-미분(Proportional-Derivative;PD)제어식을 확장하고 선두 차량 가속도를 활용함으로써 마지막 일반 차량의 움직임을 예측하는 Feed-forwardFilter(이벤트가 발생하기 전의 행동을 예측하는 피드백 과정)을 적용했다.일반 차량 간 차량 추종 행동을 추정하려면 선형화된 최적 속도 모델(OVM)을 적용했다.A-MPC-CACCu는 일반 차량 간 차량 추종 행동이 시간에 의해서 크게 달라지는 상황에서(일반적으로 많이 발생하는 차량 추종 행동)효율을 극대화하기 위해서 개발됐다.Model Predictive Control(MPC)을 통해서 일반 차량의 동적 파라미터를 추정하기 위해서 자동 회귀 외생적(ARX)구조 2차 모델을 사용한다.또 카르만 필터를 사용하고 0.1초마다 직전의 선행 차량 가속도를 예측하고 이 모든 과정을 Rolling Horizon에 최적화했다.<그림 4>에서는 기존의 ACC제어 등 이 연구에서 개발된 2개의 알고리즘을 나타내고 있다.가장 큰 차이는(Online)Estimator를 통한 차량의 제어지만 이는 선두 차량이 후미 자동 운전 차량에 주는 정보를 통해서, 그리고 모델 예측 시간적 범위를 통해서 구분할 수 있다.
<그림4> AACC, Linear-CACCu, A-MPC-CACCu 제어상황마지막으로 본 글에서 소개한 연구는 자동 운전 차와 일반 차량이 혼재된 상황에서 군중 주행을 통해서 교차점 운영 효율을 극대화하는 방법론의 개발에 관한 것이다.자동 운전 차의 연구는 무수히 많지만 그래도 실증적 연구는 많지 않은 편이다.자동차 업계에서는 차량 정보의 송수신 및 데이터 구축 때문에 모든 차량에 통신 장비를 탑재하려고 노력한다.이는 자동 운전 차량과 일반 차량 간 연결 매개로 시스템 효율을 높이는 계기가 될 수 있다.물론 운전자의 시스템 제어에 대한 적응도가 필요한 것이다.가까운 장래에는 통신이 가능한 일반 차량과 자동 운전 차가 혼재된 사회가 올것이다.본 연구가 주는 메시지는 뛰어난 알고리즘을 개발했다는 것도 있지만 일반 차량과 자동 운전 차가 뒤섞인 상황에서 우리가 교통 운영 위해서 자동 운전 차를 어떻게 효율적으로 사용할지에 대한 그림을 그리고 있다.가까운 장래에 대비해서 차량뿐 아니라 교통 인프라에 대한 준비를 구체화해야 할 단계임은 틀림 없다.[참고문헌]1)A. Malikopoulos, S. Hong, B. B. Park, J. Lee, and S. Ryu(2018),”Optimal Control for Speed Harmonization ofAutomated Vehicles,”IEEE Transactions on IntelligentTransportation Systems 20(7), pp.2405-2417.2)Z. Mu, Z.Chen, S. Ryu, S. S. Avedisov, R. Guo and B. B.Park(2022),”Cooperative Platooning with Mixed Trafficon Urban Arterial Roads,”2022 IEEE Intelligent VehiclesSymposium(IV), Aachen, Germany, pp.1578-1583. 글:류승한 Ph.D.Transportation Modeler Piedmont Authority for Regional Transportation출처:한국교통연구원월간교통 2023년 6월호